Text-to-speech: ElevenLabs, OpenAI, Cartesia

import { ElevenLabsClient } from 'elevenlabs';

const client = new ElevenLabsClient({ apiKey: process.env.ELEVENLABS_KEY });

// Streaming para latência baixa
const audio = await client.textToSpeech.convertAsStream(
  'VOICE_ID',
  {
    text: 'Olá, este é um teste de voz em português.',
    model_id: 'eleven_turbo_v2_5', // Turbo/Flash = latência; Multilingual v2 = qualidade
    voice_settings: {
      stability: 0.5,        // 0 = expressivo/imprevisível, 1 = monótono
      similarity_boost: 0.75,
      style: 0.3,            // exageração estilística
      use_speaker_boost: true,
    },
  }
);

for await (const chunk of audio) {
  res.write(chunk);
}

import OpenAI from 'openai';

const client = new OpenAI();

const mp3 = await client.audio.speech.create({
  model: 'tts-1',            // tts-1 = rápido; tts-1-hd = qualidade
  voice: 'nova',
  input: 'Bom dia. Sua reunião começa em cinco minutos.',
  response_format: 'mp3',    // mp3 | opus | aac | flac | wav | pcm
  speed: 1.0,                // 0.25 a 4.0
});

const buffer = Buffer.from(await mp3.arrayBuffer());

import { CartesiaClient } from '@cartesia/cartesia-js';

const cartesia = new CartesiaClient({ apiKey: process.env.CARTESIA_KEY });

const ws = cartesia.tts.websocket({ container: 'raw', encoding: 'pcm_f32le', sampleRate: 44100 });

await ws.connect();

// Enviar texto em chunks à medida que o LLM gera
for await (const chunk of llmStream) {
  await ws.send({
    model_id: 'sonic-english',
    voice: { mode: 'id', id: 'VOICE_ID' },
    transcript: chunk,
    continue: true,   // sinaliza "mais texto vem por aí"
  });
}

await ws.send({ continue: false }); // fecha utterance

// ElevenLabs v3 aceita tags inline
const textWithProsody =
  'Bem-vindo ao suporte. [pause] ' +
  'Por favor, diga seu CPF [pause] dígito por dígito.';

// OpenAI / Azure aceitam SSML
const ssml =
  '<speak>' +
    'Sua fatura vence em <say-as interpret-as="date" format="dmy">15/04/2026</say-as>. ' +
    '<break time="300ms"/>O valor é <say-as interpret-as="currency" lang="pt-BR">R$ 123,45</say-as>.' +
  '</speak>';